Trends of the Global Burden of Disease Attributable to Cannabis Use Disorder in 204 Countries and Territories, 1990–2019: Results from the Disease Burden Study 2019
Notice bibliographique
Résumé
Cannabis is the fourth psychoactive substance to be legalized which are of far-reaching significance to the world. We analyzed data from the 2019 Global Burden of Disease Study (GBD) to estimate the incidence and prevalence of cannabis use disorder (CUD) and calculated the disease burden of CUD in 204 countries and territories and 21 regions over the past three decades. We reported disease burden due to CUD in terms of disability-adjusted life years (DALYs), age-standardized rate (ASR), estimated annual percentage change (EAPC), and analyzed associations between the burden of CUD and sociodemographic index (SDI) quintiles. Globally, the number of incidence cases of CUD was estimated to be increasing by 32.3% from 1990 to 2019 and males are nearly double higher than that of female. DALYs increase 38.6% from 1990. Young people aged 20-24 years old with cannabis use disorder have the highest DALYs in 2019, followed by those younger than 20 years old. India, Canada, USA, Qatar, Kenya, and high SDI quintile areas showed a high burden of disease. Nearly 200 million individuals are cannabis users worldwide, and CUD is a notable condition of GBD. The global cultivation of cannabis, rooted in different cultures, diversified access to cannabis, legalization in controversy, the promotion of medical cannabis, and many other factors promote the global cannabis industry is constantly updated and upgraded. It deserves more discussion in the future in terms of pathophysiological mechanisms, socioeconomics, law, and policy improvement. Supplementary Information: The online version contains supplementary material available at 10.1007/s11469-022-00999-4.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».